| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 选题背景和意义 | 第10-11页 |
| 1.2 多源信息系统的发展现状 | 第11-12页 |
| 1.3 失步识别方法的研究现状 | 第12-16页 |
| 1.3.1 基于本地信息的失步识别 | 第13-14页 |
| 1.3.2 基于广域量测信息的失步识别 | 第14-16页 |
| 1.4 主动解列控制的研究现状 | 第16-19页 |
| 1.4.1 振荡中心定位 | 第17-18页 |
| 1.4.2 解列断面的搜索 | 第18-19页 |
| 1.5 本文的主要工作 | 第19-22页 |
| 第二章 基于受扰轨迹的电网失步识别方法 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 电气量失步特征 | 第22-24页 |
| 2.3 基于实测轨迹的失步识别 | 第24-26页 |
| 2.4 基于预测轨迹的失步识别 | 第26-28页 |
| 2.4.1 发电机受扰轨迹的短期预测 | 第26-27页 |
| 2.4.2 基于预测轨迹的失步识别流程 | 第27-28页 |
| 2.5 算例分析 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于图论及粒子群算法的电网解列断面搜索 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 解列断面搜索通用模型 | 第32-33页 |
| 3.2.1 目标函数 | 第32-33页 |
| 3.2.2 约束条件 | 第33页 |
| 3.3 考虑连通性约束的电网结构更新 | 第33-37页 |
| 3.3.1 图论的基本概念 | 第33-34页 |
| 3.3.2 Dijkstra算法简介 | 第34-35页 |
| 3.3.3 Dijkstra算法求解同调机群的最短连通路径 | 第35-36页 |
| 3.3.4 考虑同调性和连通性的电网结构更新 | 第36-37页 |
| 3.4 基于PSO优化算法的电网解列断面搜索 | 第37-43页 |
| 3.4.1 粒子群算法原理 | 第37-38页 |
| 3.4.2 社团结构简介 | 第38-39页 |
| 3.4.3 电网解列断面方案确定 | 第39-43页 |
| 3.5 算例分析 | 第43-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 基于多源信息的电网主动解列策略 | 第48-64页 |
| 4.1 引言 | 第48页 |
| 4.2 机组的在线同调识别 | 第48-49页 |
| 4.3 基于受扰轨迹的失步复合解列判据 | 第49-52页 |
| 4.4 基于机器学习的失步解列判据 | 第52-55页 |
| 4.4.1 随机森林基本理论 | 第52-53页 |
| 4.4.2 特征提取方法 | 第53-54页 |
| 4.4.3 基于随机森林的失步解列判据 | 第54-55页 |
| 4.5 电网主动解列策略制定流程 | 第55-56页 |
| 4.6 算例分析 | 第56-62页 |
| 4.6.1 算例1-基于机器学习的失步预测 | 第56-58页 |
| 4.6.2 算例2-电网主动解列实例 | 第58-62页 |
| 4.7 本章小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者在攻读硕士学位期间科研成果 | 第74页 |